DSGE案例详解PPT

1、,延时符,基于一个简单的案例,动态随机一般均衡模型全过程剖析,章丽盛,1,2020/10/19,模型设计,方程求解,数据处理及程序运行,Dynare 编程,主目录,CONTENTS,延时符,2,2020/10/19,3,模型设计,延时符,2020/10/19,4,要点,要 点,包含企业主，投资决策也在该部门,完全竞争,CALVO定价；,数量型/价格型,一个简单模型,住户部门,中间产品生产部门,最终产品生产部门,中央银行,要点,要点,2020/10/19,5,方程求解,延时符,2020/10/19,目标函数,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决

2、问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,6,2020/10/19,约束方程,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,7,2020/10/19,拉格朗日求解,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效

3、解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,8,2020/10/19,对各变量一阶求导并对数线性化-住户部门,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,经验：仅对目标函数中的变量以及出现跨期的变量求导,9,2020/10/19,发现问题是解决

4、问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,经验：仅对目标函数中的变量以及出现跨期的变量求导,对各变量一阶求导并线性对数化-住户部门,10,2020/10/19,对各变量一阶求导并对数线性化-住户部门,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维

5、活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,11,2020/10/19,对各变量一阶求导并对数线性化-住户部门,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,12,2020/10/19,对各变量一阶求导并线性对数化-住户 部门,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。

6、个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,13,2020/10/19,对各变量一阶求导并线性对数化-住户部门,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,14,2020/10/19,对各变量一阶求导并线性对数化-住户部门,发现问题是解决问题的先决条件，但仅仅满足有提出问题是不够的，提

7、出问题的目的是为了有效解决问题。人 生就是解决一系列问题的过程。个体克服生活、学习、实践中新的矛盾时的复杂心理活动，其中主要是思维活 动。教育心理学着重研究学生学习知识、应用知识中的问题解决。,延时符,15,2020/10/19,16,对各变量一阶求导并线性对数化-中间产品生产部门,延时符,2020/10/19,17,对各变量一阶求导并线性对数化-中间产品生产部门,延时符,2020/10/19,18,对各变量一阶求导并线性对数化-最终产品生产部门,延时符,2020/10/19,19,对各变量一阶求导并线性对数化-最终产品生产部门,延时符,2020/10/19,20,对各变量一阶求导并线性对数化

8、-最终产品生产部门,延时符,2020/10/19,21,对各变量一阶求导并线性对数化-最终产品生产部门,延时符,2020/10/19,22,对各变量一阶求导并线性对数化-货币政策函数数量型,延时符,2020/10/19,23,对各变量一阶求导并线性对数化-货币政策函数数量型,延时符,2020/10/19,24,冲击函数方程,延时符,2020/10/19,25,方程整理,延时符,2020/10/19,26,方程整理,延时符,2020/10/19,27,方程整理,延时符,2020/10/19,28,方程整理,延时符,2020/10/19,29,方程整理,延时符,2020/10/19,30,方程整理

9、,延时符,2020/10/19,Dynare 编程,延时符,31,2020/10/19,32,变量申明,/ I. ENDOGENOUS VARIABLES var c l w r pie m rk z mc y u k; / II. EXOGENOUS VARIABLES varexo eta_u eta_z ;,2020/10/19,33,参数申明及赋值,/ III. PARAMETERS parameters pie_s sigma psi v alpha beta delta rho chi theta rho_z mc_s rho_u; / 1. Fixed parameters pi

10、e_s=1.03; sigma=1.5; psi=1; v=2; alpha=0.6; beta=0.995; delta=0.025; rho=0.85; chi=0.25; theta=0.025; rho_z=0.85; mc_s=0.91; / 2.Estimated parameters initialisation rho_u=0.55;,2020/10/19,34,模型表达,model(linear); #epsilon=chi+rho+chi*rho*(beta-1); #lamdaf=beta*rho/epsilon; #lamdab=chi/epsilon; #lamdam

11、c=(1-chi)*(1-rho)*(1-beta*rho)/epsilon; #rk_s=1/beta-1+delta; #k_y=alpha*mc_s/rk_s; #c_y=1-delta*k_y;,2020/10/19,35,模型表达,/ 1. aggreate demand y=c_y*c+k_y*k-(1-delta)*k_y*k(-1); sigma*c+r=sigma*c(+1)+pie(+1); /sigma*c=(1-beta/pie_s)*v*m+beta/pie_s*(sigma*c(+1)+pie(+1); v*m=sigma*c-1/(pie_s/beta-1)*r;

12、 rk+k(-1)=mc+y; w+l=mc+y; / 2. aggregate supply y=z+alpha*k(-1)+(1-alpha)*l; sigma*c+psi*l=w; (1-beta*(1-delta)*rk(+1)=sigma*(c(+1)-c); pie=lamdaf*pie(+1)+lamdab*pie(-1)+lamdamc*mc;,2020/10/19,36,模型表达,/3. policy function m+pie=m(-1)+u/(1+theta); /4. AR(1) shocks z = rho_z*z(-1) + eta_z; u = rho_u*u(

13、-1) + eta_u; end;,2020/10/19,37,变量赋初始值,initval; l=0; c=0; k=0; w=0; m=0; mc=0; rk=0; r=0; y=0; pie=0; z=0; u=0; eta_z=0; eta_u=0; end;,2020/10/19,38,冲击变量赋参数,/ V. SHOCKS shocks; var eta_u; stderr 0.01; var eta_z; stderr 0.01; end;,2020/10/19,39,贝叶斯估计部分,/VI. ESTIMATION / Definition: / PARAM NAME, INIT

14、VAL, LB, UB, PRIOR_SHAPE, PRIOR_P1, PRIOR_P2, PRIOR_P3, PRIOR_P4, JSCALE / PRIOR_SHAPE: BETA_PDF, GAMMA_PDF, NORMAL_PDF, INV_GAMMA_PDF estimated_params; stderr eta_u,0.01,0.001,2,INV_GAMMA_PDF,0.01,0.5; stderr eta_z,0.01,0.001,2,INV_GAMMA_PDF,0.01,0.5; rho_u,0.55,0.5,1,BETA_PDF,0.7,0.1; end;,2020/10/19,40,观测变量及随机模拟,varobs y pie; estimation(datafile=dat